苹果把Siri交给了Gemini

文：邱庭

编辑：程述白

2011 年 10 月 4 日，蒂姆·库克（Tim Cook）第一次以苹果 CEO 身份主持发布会——这也是 Siri 在苹果的第一次亮相。

十五年后，2026 年 6 月 9 日，库克站在 WWDC（苹果全球开发者大会）的舞台中央，外界普遍认为这是他任内最后一届开发者大会。Siri 又一次成为了焦点。

只是，它已经不是当年的 Siri 了。

尽管受制于监管要求，新版 Siri 以及其他新的苹果 AI 智能功能还无法在中国大陆地区上线，但它还是让不少人兴奋了起来。在一镜到底的演示中，这个“新 siri”能在绝大部分场景下直接调用、索引并读取聊天记录，支持跨应用执行任务，还能通过自然语言生成浏览器插件与快捷指令。

但驱动它思考的，已经不完全是苹果自己的能力。发布会上，苹果首次明确将 Google Gemini 纳入 Apple Foundation 架构。据彭博社报道，苹果为此需每年向 Google 支付 10 亿美元。

● 苹果的第三代 Apple Foundation Models（AFM）。图源：发布会截图

与此同时，苹果同步推出 Core AI 框架，ChatGPT、Claude 等第三方模型也能借此接入 Siri 和苹果系统。

过去十五年里，Siri 始终代表着苹果对人工智能的理解：封闭、自研、谨慎，一切能力都生长在苹果生态内部，2024 年苹果首次提出的 Apple Intelligence 构想也是全自研 AI 架构。但在 AI 模型的竞赛里，苹果没能跑在前列。

十五年前，Siri 开启了语音助手时代；十五年后，它再次成为苹果命运转折点的见证者。只是这一次，苹果不再是先锋，而是追赶者了。

今年 WWDC 上，苹果用了大半场发布会的时间讲 AI。

站在舞台上的，是迈克•洛克威尔（Mike Rockwell）。这位长期负责 Vision Pro 系统架构的高管，在 2025 年初接手了Siri重构项目。苹果展示了一组新的 AI 同心圆架构：用户位于中心，中层是多模态与执行工具，最外层则是 Siri、软件与系统生态。

Siri 的新功能可以大致分为屏幕感知、图片理解、文字处理、应用协同等几大部分。用户不再需要在不同应用之间来回切换：刷到一个图片，可以直接识别图片地点；看到一个地址，可以直接询问 Siri 规划路线；浏览网页时，可以直接选中文字向 Siri 提问；收到活动邀请，可以直接让Siri识别时间并加入日历。

这种变化的重点不在更聪明，而在更丝滑与便捷。在 Mac 上，用户可以直接选中多个文件提问，无需上传；在 iPhone 上，可以通过摄像头直接向 Siri 提问现实世界中的物体；在照片、邮件、备忘录、Safari 等应用中，AI 被直接嵌入原有工作流，给拍摄好的照片重新设置构图、整理浏览器标签页、把校对和优化功能嵌入键盘随时调用。

更重要的是，旧版 Siri 的逻辑是单轮问答，而新版系统则开始尝试理解用户“正在做什么”，它可以根据聊天对象与过往聊天记录采用不同的交谈语气，可以基于邮件内容主动提示下一步操作，或在跨应用场景中预判用户意图，从而提前给出执行路径。

苹果试图重新定义 Siri，把它从一个客服转化为调度中心，并推出了独立的 Siri 应用。这也意味着苹果推翻了很多以前的坚守：原本不想做聊天机器人，现在做了；原本对照片使用 AI 修图持保留态度，现在也加了。

过去，苹果在 Siri 到底使用自研模型还是外部模型的问题上摇摆不定。而现在，团队放弃了完全自研 Apple Foundation Models 的方案，转而选择整合外部技术。在洽谈合作的 Google、Anthropic PBC 和 OpenAI 三家公司里，苹果最终选择了 Google。

如今的第三代 Apple Foundation Models 包含 2 款端侧模型和 3 款运行在私有云计算平台上的模型，其中多款借助 Google Gemini 模型进行“精炼”。本地模型与私有云架构，是为保证数据不会被苹果与其他第三方公司访问。

今年 WWDC 传递的信号是，Siri 学会了看屏幕、总结网页以及理解照片。但更关键的是苹果战略的转变：在 AI 时代，它不再执着于做底层能力的提供者，而更倾向于成为这些能力的组织者。

回到 2011 年，Siri 还是一个被赋予想象力的产品。它的起点不在苹果，而是 Siri.Inc 开发的独立 App，2010 年在 App Store 上线，定位是可以帮你订餐厅、查天气、做信息整合的“个人秘书”。其基础技术来自于美国国防高级研究计划局从 2003 年起，就开始投入约 1.5 亿美元资金资助的虚拟代理人技术开发项目。

Siri 上线 3 周后，苹果创始人史蒂夫·乔布斯（Steve Jobs）对它产生了兴趣，邀请创始人会面。两个月后，苹果宣布以 2 亿美元收购 Siri，并整合进了 2012 年面世的 iPhone 4S 里，成为了后者最重要的功能之一。

然而，2011 年至 2015 年间，Siri 的更新几乎都是微调，例如增加多语言支持、简单信息查询、百科内容接入、“嘿 Siri”唤醒等。甚至在 iOS 15 中，苹果还删除了 Siri 中涉及笔记、照片、叫车、支付等的功能。到今天，Siri 上利用率最高的功能，仍然是 2011 年刚亮相时就具备的能力——设个闹钟。

Siri 的技术护城河并不牢固。2012 年三星 S Voice 在功能层面已与 Siri 接近；2014 年的对比测试中，Google Now 在信息理解与推荐能力上反超 Siri；到 2017 年，美国科技媒体 The Verge  直接评价 Siri“明显落后于时代”，它的领先窗口期实际上极为短暂。

2018 年，美国科技媒体 The Information 披露了一份关于 Siri 团队变动的长篇报道。据受访前员工回忆，在初期，Siri 是在还没准备好的情况下面世的，后端架构并未适配大规模用户流量，一位苹果员工后来重写了一段代码，才让 Siri 某后端组件的服务器需求从约 500 台缩减到了 5 台。

苹果内部对 Siri 的定位也未达成一致。一派认为，Siri 的核心应该是搜索与检索，另一派则坚持，Siri 必须成为真正的助手。

一位前苹果员工说，“乔布斯在 Siri 推出后的第二天去世了，苹果也由此失去了前进的方向。”于是 Siri 的研发长期处于一种分裂的状态，一部分人负责语音识别，一部分人负责系统集成，还有一部分人负责体验层优化。在这种背景下，Siri 团队各自为战，缺乏统一演进逻辑。

这种割裂也延伸到产品层面。要把 Siri 搭载至 HomePod 的消息，Siri 团队 2015 年才得知。那时候，苹果为了与 2014 年底亚马逊发布的 Echo 竞争，匆忙把 Siri 应用到了项目之中。发布后，《纽约时报》评价：“HomePod 上的 Siri 拉垮得令人尴尬”。后续 HomePod 的市场表现不佳，也被内部部分人士认为是 Siri 团队能力不足的缘故。

与此同时，隐私争议成为 Siri 长期阴影。2019 年，Siri被指在用户未主动唤醒时录音，并将片段发送给外包商人工收听，遭集体诉讼。2025 年初，美国加州法院批准了苹果就该案达成的和解协议，最终符合条件的用户每台设备获赔约 8.02 美元，单人最高赔付不超过 40.1 美元。

Siri 项目在苹果内部也曾多次经历领导权调整。从最初的 iOS 团队主导，到 2012 年由比尔·斯塔西奥（Bill Stasior）带领独立团队运作，再到 2018 年机器学习团队介入......

直到生成式 AI 浪潮到来，Siri 的重要性重新提前。新 Siri 命运的转折点，在 2025 年初的一场会议。这场会议聚集了除 CEO 库克以外大部分苹果核心领导，会议确认 Apple Intelligence 的表现未达预期，新一代 Siri 的迭代也将推迟。

那时，库克对时任 AI 负责人约翰•詹南德雷亚（John Giannandrea）失去信心。主导了 Vision Pro 新产品诞生的洛克威尔主动请缨，接下了 Siri。

之后，洛克威尔把曾经负责 Vision Pro 和 VisionOS 操作系统的团队带来作为 Siri 的新负责团队，并立即启动使用第三方模型的方案。Siri 的新路线由此确立了。

苹果与谷歌的这次合作，苹果每年需向 Google 支付约 10 亿美元，用于使用其 AI 技术与基础设施能力。

过去二十年，苹果的技术路径几乎建立在芯片自研、系统自研、服务自建的原则上。这一次使用 Gemini，官方解释是基于技术评估后的结果，认为 Gemini 提供了当前“最有能力的基础模型”。

2022 年，苹果内部团队构建的好几个大语言模型，但因公司高层质疑“实用性不足”被搁置。此后，苹果在 AI 上的投入节奏与规模也显得保守。2025 财年（2024.9–2025.9）其研发投入约 345 亿美元，而同时期 Meta 约 573.72 亿美元，谷歌约 610.87 亿美元。

在 Siri 多次延期之后，苹果实质上放弃了做全栈大模型的执着，转而回归其根植于硬件的生态优势。下一任苹果 CEO 热门候选人约翰•特努斯（John Ternus）也正是如今的苹果硬件工程高级副总裁。

对苹果而言，原来的赛道更稳定，也更安全，即便不掌握模型本身，仍然可以在分发层获益。据报道，2025 年苹果仅靠 App Store 就从生成式 AI 应用中抽成了近 9 亿美元佣金，2026 年预计突破 10 亿美元。

如今，苹果还在加码 AI 投入，只是方向变了。今年第一季度财报显示，苹果 30 年以来，研发支出占收入比例首次超过 10%，单季度研发支出达到 114 亿美元，同比增长 34%。库克谈及研发数据时表示，公司加大投资部分原因是其看到的人工智能增长潜力。

不过，苹果的投入结构与 Google、Microsoft 或 Meta 的路径明显不同。有分析认为，这部分的研发投入增长很大程度上可能与人才培训、建模实验、设备内 AI、私有云计算、定制芯片、隐私保护有关，而非大规模数据中心部署，是端侧优先的AI战略，而不是云端模型竞赛。

至于为何最终选择 Google Gemini，或许是出于整体战略的考虑。

据 2026 年 5 月官方披露，Google Gemini 月活跃用户已经达到 9 亿，在非英语地区的流量规模已经接近 ChatGPT 的七成。Google 算过一笔账：如果企业将 80% 的顶级模型调用替换为最新一代 Gemini 3.5 Flash，一年可以节省 10 亿美元。

此外，Gemini 已经被系统性嵌入谷歌搜索、地图、Gmail、YouTube、Chrome等核心产品。就在苹果发布会前几周，Google 在自己的开发者活动上，将操作系统上的 Gemini 新功能重新命名为“Gemini Intelligence”，想要把 Gemini 从一个聊天机器人转变为跨手机、浏览器、汽车和笔记本电脑的运作方。

另一个备选是 OpenAI。但双方关系并不稳定，据彭博社报道，一位匿名的 OpenAI 高管表示：“我们已经从产品角度做了所有事情。他们没有，更糟的是，他们甚至没有真正努力过。”而且，OpenAI 去年以来为了发展硬件，挖角了数十名 iPhone、Vision Pro 头显、音频技术以及几乎所有硬件和设计部门的苹果工程师，这在某种程度上削弱了双方长期合作的意愿。

相比之下，Google 在合作上也显得更积极也更具连续性。在 AI 从工具转向代理的过程中，谁掌握系统级入口，谁就掌握分发权，而 iOS 是全球最稳定的高价值入口之一。作为长期搜索合作伙伴，双方早已在 iOS 搜索入口、广告分发与流量结构上形成稳定关系。

苹果以系统入口置换技术能力，谷歌借 iPhone 落地 AI 野心。两家公司正通过软硬件的深度捆绑，试图在 AI 主导的下一代终端里，掌握系统级入口的控制权。